Consensus koristi GPT‑5 i Responses API da obavi nedelje istraživanja za nekoliko minuta

Svake godine objavljuju se milioni novih naučnih radova—mnogo više nego što bilo koja osoba može da pročita.

Za naučnike izazov nije pristup znanju, već ogroman zadatak njegovog pronalaženja, tumačenja i povezivanja. Proboji se dešavaju na ivici poznatog, a ipak istraživači većinu vremena troše samo na pronalaženje tih granica umesto da ih pomeraju.

Consensus⁠(отвара се у новом прозору), istraživački asistent koji koristi više od 8 miliona ljudi, napravljen je da to promeni. Platformu su osnovali Christian Salem i Eric Olson, a ona pretražuje, čita i sintetiše recenziranu literaturu iz više od 220 miliona radova. Njena najnovija mogućnost, Scholar Agent, jeste sistem sa više agenata izgrađen na GPT‑5 i Responses API. On odražava način na koji istraživači zaista rade, pomažući im da od pitanja do zaključka stignu za nekoliko minuta umesto za nedelje.

Ali cilj nije samo brže istraživanje—već brži put do otkrića. „Nauka napreduje kada je dostupnija“, kaže Salem. „Naš posao je da istraživačima svuda omogućimo da pronađu, veruju dokazima i postupaju na osnovu njih.“

Prva verzija Consensus-a radila je kao vertikalni pretraživač za nauku: indeksirala je akademske radove, pronalazila relevantne rezultate i generisala sažetke zasnovane na citatima. Ali sama pretraga nije bila dovoljna.

„Istraživanje nije samo pronalaženje radova“, kaže Salem. „To je tumačenje rezultata, poređenje nalaza i povezivanje ideja. Što više vremena naučnici provode tražeći, čitajući i tumačeći postojeće znanje kako bi došli do prave studije, to manje vremena imaju za otkrivanje i stvarno istraživanje.“

Zato je tim počeo da preoblikuje Consensus oko novog koncepta: sistema sa više agenata nazvanog „Scholar Agent“, koji radi onako kako radi ljudski istraživač.

Izgrađen na GPT‑5 i Responses API, sistem sada pokreće koordinisan tok rada agenata:

• Agent za planiranje razlaže korisničko pitanje i odlučuje koje radnje treba sledeće preduzeti
• Agent za pretragu pretražuje Consensus-ov indeks radova, privatnu biblioteku korisnika i graf citata
• Agent za čitanje tumači radove pojedinačno ili u serijama
• Agent za analizu sintetiše rezultate, određuje strukturu i vizuale i sastavlja konačni izlaz

Svaki agent ima usko definisan opseg, što održava rezonovanje preciznim i smanjuje halucinacije. Arhitektura takođe omogućava da Consensus odluči kada ne treba odgovoriti; ako nijedna relevantna studija ne ispunjava njegov prag kvaliteta, asistent to jednostavno kaže.

„Deljenjem toka rada između agenata smanjujemo greške i činimo sistem daleko disciplinovanijim“, kaže Salem. „Nijedan agent nema previše odgovornosti, što se ispostavlja kao ključno za pouzdanost.“

Ovaj pristup tim naziva kontekstualni inženjering: sastavljanje pravih dokaza pre nego što generisanje počne. Svaki odgovor dolazi sa „paketom istraživačkog konteksta“—strukturisanim skupom radova, metapodataka i ključnih nalaza koji vode nazad do originalnih studija.

„Ne želimo da istraživači gube vreme na dvostruku proveru svake tvrdnje“, kaže Salem. „Ako sistem ne može da zasnuje odgovor na stvarnim dokazima, neće ga izmišljati.“

Consensus je prešao sa Chat Completions na Responses API kako bi podržao usmeravanje svog sistema sa više agenata. Ova promena poboljšala je i pouzdanost i troškovnu efikasnost, dajući timu finiju kontrolu nad pozivima podagenata. Uz GPT‑5 dugokontekstno rezonovanje i pouzdano pozivanje alata, izbor je bio jasan.

Rane evaluacije potvrdile su tu odluku: GPT‑5 je nadmašio GPT‑4.1, Sonnet 4 i Gemini 2.5 Pro u tačnosti pozivanja alata i stabilnosti planiranja. To je omogućilo timu Consensus-a da se manje fokusira na akrobacije sa instrukcijama, a više na izgradnju ponašanja agenata koja se direktno preslikavaju na istraživačke tokove rada.

Od samog početka, Consensus je tržištu pristupio drugačije nego što se očekivalo. Umesto prodaje preko institucija, tim se usredsredio na ljude koji zaista sprovode istraživanje: studente, nastavnike i kliničare kojima su odgovori potrebni danas. Taj direktan fokus na istraživače oblikovao je i dizajn proizvoda i njegov brz rast.

„Svi su govorili da ne možete ići direktno ka potrošačima u akademiji, ali AI je to promenio“, kaže Salem. „Ljudi više ne čekaju odobrenje—koriste ono što funkcioniše.“

Ta odluka oblikovala je ton proizvoda i krivu rasta. Consensus više liči na modernu potrošačku aplikaciju nego na tradicionalni akademski alat: brzo uvođenje, intuitivan dizajn, konverzacijski interfejs. Usvajanje se širilo usmenom preporukom kroz kampuse i laboratorije.

Postdiplomci i kandidati za doktorat postali su prvi napredni korisnici, a zatim su usledili nastavnici i nezavisni istraživači. Potom su došli kliničari, koji su počeli da koriste Consensus za pronalaženje najnovijih dokaza u svojim oblastima.

„Nismo krenuli da gradimo proizvod za lekare“, kaže Salem. „Ali njima treba isto što i istraživačima: brz pristup pouzdanim dokazima.“

Kompanija je nedavno potpisala medicinsku biblioteku klinike Mayo i upravo lansirala „Medical Mode“, novu funkciju namenjenu praktičarima koji traže kliničke dokaze.

U protekloj godini, Consensus se brzo širio, porastavši na više od 8 miliona istraživača širom sveta i povećavši prihod 8 puta.

Taj rast nije promenio prioritete proizvoda. Svaka funkcija se i dalje vrti oko proverljivih odgovora sa malo halucinacija. Tim je mnogo uložio u evaluacione tokove koji testiraju tačnost, sledljivost citata i stilsku doslednost kroz agente.

Arhitektura Consensus-a je namerno modularna, osmišljena tako da se novi agenti mogu lako uklopiti kako se modeli šire i unapređuju—agenti koji repliciraju eksperimente, generišu figure ili sprovode statističke analize.

„Gradimo asistenta koji je istraživačima zaista potreban u svetu koji se brzo menja“, kaže Salem. „Modeli postaju sve bolji, sistem raste zajedno s njima, a nauka se kreće brže.“